طبقه بندی تومورهای خوش خیم و بدخیم پستان در تصاویر سونوگرافی با کمک مجموعه ای جدید از ویژگی های ریخت شناسی
Publish place: اولین کنفرانس بین المللی پردازش سیگنال و سیستم های هوشمند
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,275
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
SPIS01_021
Index date: 29 October 2016
طبقه بندی تومورهای خوش خیم و بدخیم پستان در تصاویر سونوگرافی با کمک مجموعه ای جدید از ویژگی های ریخت شناسی abstract
هدف پژوهش حاضر، طبقه بندی تومورها در تصاویر سونوگرافی پستان با استفاده از ویژگی های ریخت شناسی و ارائه مجموعه ای جدید از ویژگی ها با بالاترین قدرت تمایز میان تومورهای خوش خیم و بدخیم است. به این منظور، بعد از پیش پردازش تصاویر با استفاده از الگوریتمی مبتنی بر انتشار ناهمسانگرد، ناحیه بندی تصاویر و جدا کردن تومور در تصاویر به کمک الگوریتمی نیمه خودکار براساس تبدیل حوضچه انجام شد. همچنین مرزهای مشخص شده توسط متخصص رادیولوژیست مورد تأیید و تصحیح قرار گرفت. پس از آن، با معرفی 4 ویژگی جدید ریخت شناسی به همراه استخراج 26 ویژگی ریخت شناسی مورد استفاده در مقالات مختلف و با استفاده از کلاس بند رگرسیون لجستیک تنک به حذف ویژگی های نامرتبط و طبقه بندی تومورها پرداخته شد. در نهایت مجموعه ای از ویژگی ها شامل :اندازه تفاضل طول و عرض مستطیل محاطی به توده، نسبت قطر دایره هم مساحت با توده، به بزرگترین قطر توده، تعداد نقاط انتهایی اسکلتی و مقدار باقیمانده نرمال شده، به عنوان متمایز کننده ترین ویژگی با قابلیت تشخیص تومور با صحت 96%، دقت 95/65% و حساسیت 96/30% معرفی شدند.
طبقه بندی تومورهای خوش خیم و بدخیم پستان در تصاویر سونوگرافی با کمک مجموعه ای جدید از ویژگی های ریخت شناسی Keywords:
طبقه بندی تومورهای خوش خیم و بدخیم پستان در تصاویر سونوگرافی با کمک مجموعه ای جدید از ویژگی های ریخت شناسی authors
هدا نعمت
دانشجوی کارشناسی ارشد، گروه مهندسی پزشکی، دانشگاه تربیت مدرس ، تهران
علی گویا
استادیار، گروه مهندسی پزشکی، دانشگاه تربیت مدرس ، تهران
علی محلوجی فر
دانشیار، گروه مهندسی پزشکی، دانشگاه تربیت مدرس ، تهران
نسرین احمدی نژاد
استادیار، گروه رادیولوژی، دانشگاه علوم پزشکی تهران، تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :